中红外光谱技术应用于饶河蜂蜜产地溯源的表征

通过对饶河本地的蜂蜜样品和其它地区蜂蜜样品的红外光谱谱图进行分析,利用化学计量软件建立饶河黑蜂蜂蜜产地真假判别模型。利用中红外光谱分析仪,分别采用5倍稀释和10倍稀释的前处理方法对95个饶河本地蜂蜜样品和其它地域具有代表性的31个蜂蜜样品进行测定,利用质量控制模块和分析软件对样品集和校正集进行建模处理,对建立的模型加以筛选和优化,最终确定主成分数F=3、门槛值T=2所建立的判别模型符合建模要求,该模型可以对饶河黑蜂蜂蜜产地进行较为准确的判定,判定准确率为90.3%。结果表明中红外光谱技术对饶河黑蜂蜂蜜进行真伪判别是一种有效的方法。     

傅里叶变换红外光谱法快速鉴别掺假蜂蜜

利用衰减全反射傅里叶红外光谱法对三种掺假蜂蜜进行了快速鉴别。对掺入的蔗糖、葡萄糖的蜂蜜的特征吸收峰进行了多峰位的比较,判定是否为掺假蜂蜜。对掺入不同含量果葡糖浆的蜂蜜红外图谱,进行计算软件处理后通过二阶导数图谱在1 054cm-1、817cm-1两处的吸收峰,可以准确的判定掺入蜂蜜中果葡糖浆的含量。对掺入蜂蜜中的三种物质蔗糖、葡萄糖、果葡糖浆的最小检出限量为10%。该方法样品用量少、操作简便、无需前处理、分析速度快,可作为市场筛查掺假蜂蜜的快速检测方法。     

大豆蛋白的中红外和近红外光谱研究*

大豆蛋白在各领域的应用已得到广泛的关注,因此大豆蛋白及其改性材料在结构性能方面的研究显得越来越重要。中红外光谱(mid-infrared spectroscopy,MIR)和近红外光谱(near-infrared spectroscopy,NIR)正是对蛋白质进行定性定量分析的有力手段。中红外光谱可以有效地分析大豆蛋白在溶液和薄膜中的二级结构以及大豆衍生材料内蛋白质的结构变化情况。近红外光谱则在蛋白质定量分析方面有着独特的优势。本文介绍了运用这两种光谱技术进行研究的一些工作,这些实例表明了中红外和近红外光谱在大豆蛋白研究领域的重要应用价值。     

硝基漆品牌厂家红外光谱鉴别及预测模型建立

在法庭科学领域,硝基漆的检验鉴别是一项重要的工作。为提高检验工作效率,提高分析可靠性,提出一种基于中红外光谱结合化学计量学的硝基漆鉴别方法。实验采集并获取长颈鹿等6种品牌共计59个样本的红外光谱数据,借助主成分分析、K近邻模型和判别分析构建分类模型。结果表明,PCA模型和K近邻模型对59个样本的区分能力相对较弱,判别分析模型的区分能力较强,实现了96.6%的准确区分和归类,分类结果理想。该方法能够快速,准确,无损地鉴别硝基漆,可为其他物证的检验鉴别提供一定的借鉴和参考。     

核磁共振技术结合化学计量学方法用于蜂蜜的掺假鉴别

采用核磁共振技术(NMR)结合化学计量学分析手段研究了真蜂蜜和掺假蜂蜜的指纹图谱变化情况。采用无监督的主成分分析(PCA)和有监督的偏最小二乘判别分析(PLS-DA)、正交偏最小二乘判别分析(OPLS-DA)等多元统计分析方法从核磁信号中提取各组的分类信息。结果表明:建立的OPLS-DA模型能够区分真假蜂蜜,所建模型对蜂蜜真假判别的解释能力为90.5%,对未知样本的预测能力为75.5%、识别率为89.7%。置换测试验证表明,化学计量学模型具有很好的稳定性和预测性,可信赖性强,且模型稳健。通过OPLS-DA模型的载荷图和相关系数分析找到了对区分掺假蜂蜜有显著作用的标志物。结合相关系数分析,建立了辨别真假蜂蜜的多元线性回归方程。该方法可简单、快速地用于未知蜂蜜的掺假鉴别,为规范蜂蜜市场提供有利的依据。     

近红外与中红外光谱技术在土壤分析中的应用

传统的土壤分析方法周期长、成本高,不能在短时间内获取所需的土壤信息,如何快速、准确地获取土壤信息成为农业现代化的必然要求。漫反射光谱技术以其快速、廉价、非破坏与无污染等特点,已成为环境研究中获取相关土壤信息的重要技术手段,其中的近红外(NIR,780~2 500 nm)和中红外(MIR,2 500~25 000 nm)光谱技术预测土壤理化特性逐渐成为国内外学者研究的重点领域。文章介绍了近红外和中红外光谱技术的基本原理和分析方法,综述了该技术在土壤分析方面的具体应用,并对此提出了一些观点和展望。     

不同产地黄芪的红外光谱鉴别研究

采用红外光谱、二阶导数红外光谱和二维相关红外光谱,对四种不同产地的黄芪原药材进行了鉴别研究。结果表明:不同产地黄芪的红外光谱和二阶导数红外谱具有一定的相似度,与淀粉的红外谱图比对,4个不同产地的黄芪均含有淀粉,其中陕西绥德产黄芪的淀粉含量比其它3个产地黄芪的都要高。山西浑源和山西天镇产黄芪谱图的1 510、1 425cm-1木质素特征峰比内蒙古固阳和陕西绥德产黄芪的更为明显,说明前二者产黄芪中木质素含量高于后二者产黄芪。在二维相关红外谱图上,根据4个产地黄芪的相对峰强度的差异,可进行产地的鉴别。研究结果表明对于不同产地黄芪的鉴别,红外三级鉴定法是一种快速有效的新方法。     

一种基于近红外光谱技术的不同品种及掺假三七的无损鉴别分析研究

基于近红外光谱技术与化学计量学方法,提出了一种不同品种及掺假三七的快速无损鉴别方法.分别采集景天三七、菊三七、血三七、田三七完整、粉末及掺假样品的近红外光谱,采用单一和组合预处理方法消除光谱中的干扰,筛选出最佳的预处理方法;结合主成分分析法建立不同品种以及掺假三七样品的鉴别模型.结果表明:结合主成分分析,采用原始光谱即...     

应用Milkoscan FT120对牛奶掺假的研究

采用红外扫描乳品测定仪对原料乳中脂肪、蛋白、干物质、乳糖、柠檬酸密度、冰点、碳水化合物、全糖、游离脂肪酸等成分参数的检测建立原料乳光谱数据库,在具有代表性原料乳中加入植脂末模拟牛奶掺假,通过应用掺假模块鉴别生鲜牛奶是否掺假.     

不同含水量砂岩的中红外光谱特征与预测模型研究

水对岩石具有软化、溶蚀等作用,准确预测岩石的含水量对岩土工程的地下深部开采至关重要。该文将中红外光谱技术应用于砂岩的含水量分析,研究了不同砂岩样品的中红外光谱特征与其含水量之间的关系。通过多种预处理方法提取有效特征向量,构建了针对砂岩含水量的中红外光谱预测模型。结果表明,多元散射校正+偏最小二乘法、归一化特征向量提取+随机森林及一阶微分+支持向量机3种模型在测试集上预测的含水量与实测值之间的相关系数（R2）分别为0.985、0.995和0.951,均方根误差分别为0.074、0.022和0.137,即特征向量提取+随机森林的预测模型效果最佳。该方法通过中红外光谱技术实现了砂岩含水量的无损、快速分析,为地质工程中砂岩的水分预测提供了参考。     

Identification of Stingless Bee Honey Adulteration Using Visible-Near Infrared Spectroscopy Combined with Aquaphotomics

Honey is a natural product that is considered globally one of the most widely important foods. Various studies on authenticity detection of honey have been fulfilled using visible and near-infrared (Vis-NIR) spectroscopy techniques. However, there are limited studies on stingless bee honey (SBH) despite the increase of market demand for this food product. The objective of this work was to present the potential of Vis-NIR absorbance spectroscopy for profiling, classifying, and quantifying the adulterated SBH. The SBH sample was mixed with various percentages (10–90%) of adulterants, including distilled water, apple cider vinegar, and high fructose syrup. The results showed that the region at 400–1100 nm that is related to the color and water properties of the samples was effective to discriminate and quantify the adulterated SBH. By applying the principal component analysis (PCA) on adulterants and honey samples, the PCA score plot revealed the classification of the adulterants and adulterated SBHs. A partial least squares regression (PLSR) model was developed to quantify the contamination level in the SBH samples. The general PLSR model with the highest coefficient of determination and lowest root means square error of cross-validation (RCV2=0.96 and RMSECV=5.88 %) was acquired. The aquaphotomics analysis of adulteration in SBH with the three adulterants utilizing the short-wavelength NIR region (800–1100 nm) was presented. The structural changes of SBH due to adulteration were described in terms of the changes in the water molecular matrix, and the aquagrams were used to visualize the results. It was revealed that the integration of NIR spectroscopy with aquaphotomics could be used to detect the water molecular structures in the adulterated SBH.     

基于高效液相色谱-四极杆/静电场轨道阱高分辨率质谱的寡糖轮廓分析用于蜂蜜中淀粉糖浆的掺假鉴别研究

采用高效液相色谱-四极杆/静电场轨道阱高分辨率质谱(HPLC-Q/Orbitrap MS)建立了寡糖轮廓分析的方法。通过对纯天然蜂蜜和淀粉类糖浆中的麦芽三糖、麦芽四糖、麦芽五糖、麦芽六糖和麦芽七糖进行定性定量分析,发现淀粉类糖浆中含有未被酶解完全的微量麦芽类寡糖,且麦芽七糖在所有检测样本中干扰小,对结果的定量无影响,而其他寡糖类物质的定性和定量结果会存在干扰。最终选择麦芽七糖作为蜂蜜中掺入淀粉糖浆的典型标志物。在实际样品分析中,根据麦芽七糖的保留时间和离子对的相对丰度比可以定性判断蜂蜜中是否掺有淀粉糖浆;通过标准曲线法可以定量测定样液中麦芽七糖的含量。在20,50,100 mg/kg 3个加标水平下,麦芽七糖的平均回收率为75%~82%,相对标准偏差(RSD,n=5)为3.1%~6.7%,方法检出限为0.1μg/m L。应用该方法可在10 min内完成整个分析过程,且样品前处理简单,结果可靠,灵敏度高,可用于纯天然蜂蜜中掺入淀粉糖浆的快速确证和检测。     

基于真菌毒素污染差异的液相色谱-串联质谱法鉴别板栗粉中掺假小麦粉

建立了分散固相萃取-超快速液相色谱-串联质谱法同时测定板栗粉和小麦粉中43种真菌毒素的方法,对48份板栗粉和80份小麦粉样品的污染状况进行调查,筛选出5种专属于小麦粉的标志性真菌毒素.样品采用84％(v/v)乙腈水溶液提取,提取液采用C18结合增强型脂质去除净化剂(EMR-Lipid)净化,采用响应曲面-中心组合设计优...     

Quantification of Corn Adulteration in Wet and Dry-Processed Peaberry Ground Roasted Coffees by UV–Vis Spectroscopy and Chemometrics

In this present research, a spectroscopic method based on UV–Vis spectroscopy is utilized to quantify the level of corn adulteration in peaberry ground roasted coffee by chemometrics. Peaberry coffee with two types of bean processing of wet and dry-processed methods was used and intentionally adulterated by corn with a 10–50% level of adulteration. UV–Vis spectral data are obtained for aqueous samples in the range between 250 and 400 nm with a 1 nm interval. Three multivariate regression methods, including partial least squares regression (PLSR), multiple linear regression (MLR), and principal component regression (PCR), are used to predict the level of corn adulteration. The result shows that all individual regression models using individual wet and dry samples are better than that of global regression models using combined wet and dry samples. The best calibration model for individual wet and dry and combined samples is obtained for the PLSR model with a coefficient of determination in the range of 0.83–0.93 and RMSE below 6% (w/w) for calibration and validation. However, the error prediction in terms of RMSEP and bias were highly increased when the individual regression model was used to predict the level of corn adulteration with differences in the bean processing method. The obtained results demonstrate that the use of the global PLSR model is better in predicting the level of corn adulteration. The error prediction for this global model is acceptable with low RMSEP and bias for both individual and combined prediction samples. The obtained RPD_p and RER_p in prediction for the global PLSR model are more than two and five for individual and combined samples, respectively. The proposed method using UV–Vis spectroscopy with a global PLSR model can be applied to quantify the level of corn adulteration in peaberry ground roasted coffee with different bean processing methods.